Machine Learning - wprowadzenie
Machine Learning to zastosowanie algorytmów i modeli matematycznych, które umożliwiają komputerom uczenie się i podejmowanie decyzji na podstawie danych, bez potrzeby jasno zdefiniowanych instrukcji programistycznych.
Idealny dla zespołów, które…
Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.
Zrozumiesz, czym jest uczenie maszynowe, jakie są jego rodzaje oraz jak dobierać przypadki użycia i kryteria sukcesu (metryki) na poziomie koncepcyjnym
Nauczysz się pracować w środowisku ML: Python, Jupyter, IDE oraz podstawy reprodukowalności pracy
Utrwalisz kluczowe elementy Pythona potrzebne do pracy z danymi (typy danych, funkcje, obiektowość)
Opanujesz podstawy statystyki i przetwarzania danych pod ML: rozkłady, korelacje, czyszczenie i transformacje oraz identyfikację typowych ryzyk (data leakage, bias)
Co konkretnie robimy
- · Cel, zakres i rodzaje uczenia maszynowego
- · Różnica między uczeniem maszynowym a uczeniem głębokim (deep learning)
- · Zastosowania uczenia maszynowego w znanych przykładach oraz kryteria sukcesu (metryki)
- · Konfiguracja środowiska wirtualnego conda oraz zależności (reproducibility)
- · Konfiguracja IDE: Jupyter oraz PyCharm/VSC, organizacja pracy z notebookami
- · Składnia i konwencje
- · Typy danych i struktury kolekcji
- · Funkcje i moduły
- · Obiektowość: klasy i metody
- · Podstawowe pojęcia: miary tendencji centralnej i rozproszenia
- · Rozkłady i próbkowanie
- · Korelacja a zależność, ryzyko błędnych wniosków
- · Numpy: tablice, wektoryzacja, losowość (seed)
- · Pandas: ramki danych, łączenie, grupowanie
- · Data cleaning: braki danych, duplikaty, typy, outliery
- · Data wrangling: transformacje, kodowanie, skalowanie
- · Data understanding: cechy i etykiety, źródła błędów, data leakage
- · Data visualization: wykresy diagnostyczne, rozkłady, korelacje
- · Data analysis: EDA, hipotezy, baseline
- · Data storytelling: wnioski, ograniczenia, ryzyka i etyka użycia
Od briefu do retro w 30 dniach.
Brief i diagnoza
Rozmowa z liderem zespołu + krótka ankieta dla uczestników. Określamy cele, gap, kontekst.
Modyfikacja programu
Dostosowujemy moduły, case studies i przykłady kodu pod Twój stack. Akceptacja w 5 dni.
Warsztat
Sesje z trenerem, hands-on, code review. Mentor dostępny też pomiędzy sesjami.
Retro + raport
Raport z efektami dla zespołu i lidera. 30 dni konsultacji w cenie.
Wyślij brief. Odezwiemy się w 1 dzień.
Po krótkim briefie przygotujemy program i wycenę. Bez zobowiązań — to tylko punkt wyjścia do rozmowy.
Dziękujemy!
Odezwiemy się w ciągu 1 dnia roboczego.
Inne programy dla zespołów
Zobacz wszystkie →Agenci AI w Praktyce: Budowa, Integracja i Skalowanie
Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.
AI - szkolenie ogólne
Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.
AI dla Analityków Systemowych
Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.